مبانی استنتاج در پایتون
(Mitalearn-405362)
- Duration: 49 minutes
- Release date: 28 June 2026
- Author: Paul Savala
- Level: مناسب همه
- Contents: 28
- Has Caption in Persian
بعد از محاسبه میانگین های خود و ایجاد نمودارها چه اتفاقی می افتد؟ چگونه از آمار توصیفی به تصمیم گیری مطمئن می رسید؟ چگونه می توان از آزمون های فرضیه برای حل مسائل دنیای واقعی استفاده کرد؟ در این دوره چهار ساعته در مورد مبانی استنتاج در پایتون، شما تجربه عملی در نتیجه گیری صحیح بر اساس داده ها را خواهید داشت. شما همه چیز را در مورد نمونه گیری یاد خواهید گرفت و خواهید فهمید که چگونه نمونه گیری نادرست می تواند استنتاج آماری را از مسیر خارج کند.
شما کار را با آزمونهای فرضیه برای نرمال بودن و همبستگی و همچنین آزمونهای پارامتریک و ناپارامتریک شروع میکنید. شما این تست ها را با استفاده از SciPy اجرا می کنید و خروجی آنها را برای تصمیم گیری تفسیر می کنید.
در مرحله بعد، قدرت یک نتیجه را با استفاده از اندازه اثر و قدرت آماری اندازهگیری میکنید، در حالی که با اعمال اصلاحات از همبستگیهای جعلی اجتناب میکنید.
در نهایت، از شبیهسازی، تصادفیسازی، و متاآنالیز برای کار با طیف وسیعی از دادهها، از جمله تجزیه و تحلیل مجدد نتایج سایر محققان استفاده خواهید کرد.
پس از دوره آموزشی، میتوانید با موفقیت از دادههای بزرگ استفاده کنید و از آنها برای تصمیمگیری اصولی استفاده کنید که رهبران میتوانند بر آن تکیه کنند. شما فراتر از نمودارها و آمار خلاصه میروید تا نتایج قابلاعتماد، قابل تکرار و قابل توضیح ایجاد کنید.
Related Skills
Content
Announcements
Content
Foundations of Inference in Python